随着我国经济的快速发展,同时也带来了很多污染问题,其中最严重的就是水污染。水是人类生存中必不可少的自然资源,水质污染会损害人类健康、危及生命安全,水资源的保护已经引起国家的高度重视。为落实水资源的预防和污染防控工作,设计实现一个合理完善的水质监测系统是关键。初期的水质监测的实现过程漫长,需要现场操作实现,而且对水质的监测不具有实时性,对水质数据不能进行智能的分类判定。本文基于物联网设计了一个在线远程水质监测系统,本系统主要由三部分组成:1.监测节点水质数据的采集和传输。在监测点,利用水质传感器中的采集卡把水质参数数据传给现场计算机,然后经过对特定的水质参数比例计算后得出对应参数的浓度值,将各个水质参数以及节点ID标识、监测时间等信息封装成Json对象通过无线网络发送到后端服务器,最后将数据存储到MySql数据库中。2.水质分类的设计与实现。现有的水质分类绝大部分是基于单因子评价的,所以体现不出综合的水质状况。随着机器学习算法被广泛应用于各个领域,本文结合BP神经网络算法设计并实现了水质分类评价的一种综合方法,同时为了提高水质分类的精确度,在本方法中引入了 AdaBoost迭代算法。3.系统的设计与实现。以传感器采集的水质数据为基础,以BP神经网络和AdaBoost两个算法为核心,本文完成了整个水质监测系统的需求分析,功能模块的设计和技术架构的设计,实现了远程水质监测,极大的降低了人力支出,实现了水质的综合分类,同时也提高了水质数据监测的实时性。